-
公开(公告)号：CN119854215A
公开(公告)日：2025-04-18
申请号：CN202510069478.8
申请日：2025-01-16
Applicant: 哈尔滨工业大学
Abstract: 一种适用于变化网络拓扑的NDN拥塞控制方法，涉及网络通信传输技术领域。本发明是为了解决现有拥塞控制方法还存在无法充分利用带宽资源，导致在网络状况频繁变化的场景下吞吐量低和时延高的问题。本发明包括：消费者在设定的拥塞窗口内按照设定速率向转发器发送兴趣包；转发器收到兴趣包后将兴趣包转发给生产者，生产者生成数据包发送给转发器；各个转发器按照数据包达到转发器的顺序转发数据包，同时更新数据包中的拥塞值，然后将包含队列拥塞程度值的数据包发送给消费者；消费者根据数据包中的拥塞程度值调整拥塞窗口大小或兴趣包发送速率。本发明用于NDN拥塞控制。
-
公开(公告)号：CN118916786A
公开(公告)日：2024-11-08
申请号：CN202411043427.X
申请日：2024-07-31
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06F18/213 , G06N3/042 , G06N3/0455 , G06N3/047 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于时序异构图注意力网络的动态链路预测方法及系统，涉及网络链路预测技术领域。本发明的技术要点包括：获取时序异构网络的时序异构图；将时序异构图按照时间顺序划分为训练集和测试集，获取预测时间；基于训练集和测试集训练获得链路预测模型；将待预测时序异构网络数据输入训练好的链路预测模型中进行链路预测；其中，对于异构性，使用异构邻居随机游走来捕获异构信息；对于时序信息，使用时间编码器对时间信息进行编码；对于新节点，使用归纳图表示学习方法，聚合节点邻域的结构特征，从而快速生成新子图中的节点嵌入。本发明在时序异构网络链路预测任务上具有显著优势。
-
公开(公告)号：CN117130748B
公开(公告)日：2024-10-22
申请号：CN202311097095.9
申请日：2023-08-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于异构多核平台上类型化DAG任务的分析及调度方法，涉及DAG任务调度技术领域。本发明的目的是为了实现在异构多核平台上基于划分调度的类型化DAG任务的分析和处理器资源分配，提高核心的资源利用率。本发明研究基于异构多核平台上采用划分调度的类型化DAG任务的最坏情况响应时间和分配策略。本发明通过深入分析类型化DAG任务的拓扑结构的特点提出了一种全新的WCRT上界，并给出一种基于迭代方法的分析算法，该算法能够在多项式时间内计算出本发明提出的最新WCRT上界。本发明还提出了一种启发式的分配策略，该策略将DAG任务中的子任务分配到不同的核心上从而提升系统处理器资源的利用率。实验结果表明，本发明提出的WCRT分析方法和分配策略在可调度性测试方面相较于最新的方法分别提高了34.9％和26.4％。
-
公开(公告)号：CN112329052B
公开(公告)日：2024-08-06
申请号：CN202011155392.0
申请日：2020-10-26
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62 , G06F18/214 , G06N3/084 , G06F18/24
Abstract: 本申请公开了一种模型隐私保护方法，该方法包括以下步骤：基于当前训练场景，确定用于对模型进行隐私保护的目标保护方式；如果目标保护方式为PATE方式，则在使用训练数据集进行模型训练过程中，对中间产生的投票结果进行加噪处理，训练完成后，获得最终的待使用第一模型；如果目标保护方式为差分隐私随机梯度下降DPSGD方式，则在使用训练数据集进行模型训练过程中，对将训练数据集输入到模型后计算得到的梯度进行加噪处理，训练完成后，获得最终的待使用第二模型。应用本申请所提供的技术方案，可以较好地且有效地进行隐私保护，提高训练数据及模型的安全性。本申请还公开了一种模型隐私保护装置，具有相应技术效果。
-
公开(公告)号：CN112052480B
公开(公告)日：2024-07-23
申请号：CN202010953756.3
申请日：2020-09-11
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62
Abstract: 本发明实施例提供了一种模型训练过程中的隐私保护方法、系统及相关设备，用于实现模型训练过程中的隐私保护。本发明实施例方法包括：接收服务端发送的目标模型，并接收服务端发送的选择指令，选择指令用于指示随机选中的部分客户端；被选中的客户端以概率P参与目标模型训练，未被选中的客户端以概率(1‑P)参与目标模型训练；所有确定参与目标模型训练的客户端作为目标客户端，分别采用本地数据对目标模型进行训练，并计算每个训练之后的目标模型的模型参数更新值；按照预设差分隐私算法对每组模型参数更新值进行处理生成更新数据，并将更新数据返回给服务端，以使得服务端根据所有的更新数据生成本轮训练的全局模型。
-
Patent Agency Ranking
公开(公告)号：CN117667336A
公开(公告)日：2024-03-08
申请号：CN202311276347.4
申请日：2023-09-30
Applicant: 哈尔滨工业大学
Abstract: 一种面向GPU系统深度学习推理的能效感知自适应调度方法及系统，涉及GPU系统深度学习技术领域。本发明的目的是为了提高GPU推理过程中的能耗效率，根据GPU当前环境，自适应地选择当前最合适的批处理大小和GPU频率大小来降低GPU推理的能耗，最终做到能效的最大化。能效自适应调度器根据波动的工作负载自适应地协调批处理大小和GPU核心频率大小，并使用强化学习算法训练模型以在满足延迟SLO的同时降低延迟和深度学习推理服务的能耗：智能体在每一时刻，根据环境的状态，依据一定的策略选择一个动作，然后环境依据一定的状态转移概率转移到下一个状态，与此同时根据此时状态的好坏反馈给智能体一个奖励；智能体根据环境的反馈调整其策略，然后继续在环境中探索，最终学习到一个能够获得最多奖励的最优策略，最终实现能效感知自适应调度。
-
公开(公告)号：CN117332838A
公开(公告)日：2024-01-02
申请号：CN202311299871.3
申请日：2023-10-09
Applicant: 哈尔滨工业大学
IPC: G06N3/08 , G06N3/063 , G06N3/0464
Abstract: 一种基于GPU的高性能多方安全计算训练方法及系统，涉及具体涉及多方安全计算协议领域。本发明的目的是给出一种并行程度更高的的多方安全计算训练框架，以实现通过结合数据并行与模型并行的方式来实现神经网络不同层之间的并行，来提高训练过程的数据吞吐速度。本发明方法是一种基于管道流水线训练方法的多方安全计算训练系统，如图1所示，该方法针对MPC模型训练过程中线性计算网络层与非线性计算网络层的瓶颈分别为计算与通信这一特性，设计了管道流水线训练方法，实现子网络间的并行，并实现了最优子网络分割算法以均衡每个子网络之间的训练负载。本发明给出一种并行程度更高的的多方安全计算训练框架，通过结合数据并行与模型并行的方式来实现神经网络不同层之间的并行，大大提高训练过程的数据吞吐速度。
-
公开(公告)号：CN117215598A
公开(公告)日：2023-12-12
申请号：CN202311186539.6
申请日：2023-09-14
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于云边协同的流数据处理系统、方法及应用，涉及边缘计算技术领域。本发明的技术要点包括：首先，通过分割把一个完整的有向无环图分为云端和边缘端两个部分，并利用吞吐量预测算法实现吞吐量最大化；然后，利用深度强化学习算法实现边缘端和云端不同策略的算子部署。本发明在吞吐量预测上可以准确预测在不同元组大小和不同CPU核数下的算子吞吐量；且无论是云端模型还是边缘端模型，相比Flink原生算法吞吐量都有提升；在算子部署上，在不同的任务和带宽下，本发明能够充分利用云边带宽和DAG之间的关系，获得更大的吞吐量和更低的延迟，并且在云边带宽发生变化的情况下动态更改部署方案，取得更优的部署效果。
-
公开(公告)号：CN117171448A
公开(公告)日：2023-12-05
申请号：CN202311015948.X
申请日：2023-08-11
Applicant: 哈尔滨工业大学
IPC: G06F16/9536 , G06F16/9535 , G06N3/09 , G06N3/04 , G06N3/045
Abstract: 一种基于图神经网络的多行为社会化推荐方法及系统，涉及推荐技术领域，为了解决现在的推荐方法没有区分与交互行为相关联的信任传播过程。本发明提出一个多行为社会化推荐框架MB‑Soc模型，该模型将细粒度的多行为信息集成到社交推荐架构中，MB‑Soc架构由四个主要部分组成：嵌入层、传播层、多行为集成层和预测层。本发明提出了一种全新的多行为社会化推荐框架MB‑Soc来探索社交推荐中的细粒度信任传播过程，对实体的多种类行为在社交网络中的传播进行区分，并完成在社会化推荐场景下的差分化传播。本发明完成了在真实数据集上的可扩展实验，大量实验证明了本发明所提出的MB‑Soc模型的优越性和有效性。
-
公开(公告)号：CN115150632B
公开(公告)日：2023-12-05
申请号：CN202210758649.4
申请日：2022-06-30
IPC: H04N21/2187 , H04N21/845 , H04N21/4782 , H04N21/433 , H04N21/4402
Abstract: 一种基于命名数据网络的低延时视频直播方法及系统，涉及视频直播技术领域，用以解决现有的基于命名数据网络的视频直播延时较高的问题。本发明的技术要点包括：将低延时HLS协议应用到命名数据网络中，在命名数据网络中实现低延时视频直播；gpac流处理软件将封装好的视频数据主动推到NDN报文封装模块中，通过这种方式避免从gpac生成数据到NDN报文封装模块获取数据之间的延迟；通过直接使用内存保存数据，避免与数据库交互、数据库查询和维护数据过程中与磁盘交互的用时；当NDN生产者接收到interest报文且未在缓存中查找到interest指向的数据时将其添加到待处理interest报文列表中，支持低延时HLS中的预加载，进一步降低了延迟。本发明可应用于基于命名数据网络的视频直播中。
-
-
-
-
-
-
-
-
-
Search Results
251
records
(took 0.027 seconds)
